城市是国家的主要经济实体及人群聚居地，城市气象研究具有非常重要的意义。城市下垫面非常复杂，下垫面又与上层大气存在着复杂的相互作用，因此准确模拟及预测城市天气、城市地表参数，需要对城市下垫面状况（张朝林等，2007；苗世光等，2010）、城市边界层（Zhou et al., 2005；Zhang et al., 2009）有着比较深入系统的了解，并在此基础上对城市陆面过程进行参数化研究。

城市陆面过程参数化研究主要有两种方法：整体模式方法和城市冠层模式（Urban Canopy Model, UCM）方法（Masson, 2006; Salamanka et al., 2011; Committee on Urban Meteorology, 2012）。迄今为止，整体模式方法主要是建立本地城市参数化模型（Taha, 1999; Grimmond and Oke, 2002）或者对陆面模式中的一些参数（粗糙度、热容、热导率和反照率等）进行简单的调整（Liu et al., 2006）。整体模式方法较为简单，没有对地表能量以及水分平衡方程进行重新参数化，未考虑人为热、城市水文模式等影响，没有采用高分辨率城市地表分类数据。

UCM则是目前城市陆面参数化研究的主要方法（Kusaka et al., 2001；Kondo et al., 2005；周荣卫等，2008；何晓凤等，2009；蒋维楣等，2009；王咏薇和蒋维楣，2009）。UCM研究发展很快，并且已经和天气模式进行了耦合（Kusaka et al., 2004; Chen et al., 2010; Miao et al., 2011; Ryu et al., 2011）用于天气预报。UCM所考虑的参数和物理过程目前已经比较全面和详细。但是UCM通常较为复 杂，引入了大量的参数，针对具体的城市，如何得到或反演模式参数是模式局地化或应用中的重 要障碍，因此带来了很多系统误差及不确定性问题。另外，国内各大城市采用的天气预报模式大部分为中尺度模式，模式最内层嵌套分辨率一般在 3 km左右，完全不能反映出城市建筑物等精细化结构的影响。

高分辨率城市陆面同化系统（u-HRLDAS）（Chen et al., 2007；Meng et al., 2012）在UCM的基础上收集了大量的（通常为12～18个月）数据，通过长时间起转过程（spin-up），得到比较稳定的地表参数及通量输出结果。u-HRLDAS能够对晴 空下城市地表温度做出较为准确的模拟，但是需要大量长时间的观测、遥感及再分析数据作为支撑，并且运行时间较长，很难实现业务化运行。另外，UCM是在城市地表能量平衡模式（Masson，2000）基础上建立的，对于城市潜热通量、有降水（包括降雨和降雪）时地表温度以及城市积雪的模拟能力不足。

Grimmond（2010；2011）教授组织了“国际城市地表能量平衡比较计划”，深入比较了全球各种城市地表能量平衡模式，其目的主要是确定最优城市地表能量平衡方案以及探讨何种复杂程度的模式能够对城市冠层进行较准确的模拟。结果表明：没有一种模式对于全部参数的模拟结果优于 其它模式；简单模式模拟性能和复杂模式基本一致；总体来说潜热通量模拟能力均为最差。

针对UCM的各种局限性，本文首次提出了整体城市陆面模式的概念。模式针对城市下垫面及人类活动的特点，对陆面模式进行发展和重新参数化。本文基于通用陆面模式（Common Land Model，CoLM）（Dai et al., 2003）构建整体城市陆面模 式（Bulk Urbanized Land Surface Model，BULSM）。BULSM保留了CoLM在自然下垫面的全部特 性，加强了模式在城市或人为下垫面的模拟和预报能力。模式采用了TM（Thematic Mapper）影像反演的高分辨率地表分类数据；考虑了城市地区的特点，改进了模式的地表能量平衡方程与水分平衡方程；对反照率、植被覆盖率、地表粗糙度、城市大气廓线、城市人为热、不透水面水分蒸发及积水深度等进行了重新参数化。模式采用尽可能简单有效的方法对城市物理过程进行描述并对城市地表参数进行重新参数化，避免引入不确定参数及系统误差。模式最大限度的利用了现有观测数据。模式较为简单，可以很方便的进行敏感性分析以及数据同化研究（孟春雷等，2012），并且可以和中尺度气象模式耦合用于天气预报。整体城市陆面模式应用范围主要包括：（1）中小尺度天气预报；（2）城市气候及城市化影响研究；（3）城市下垫面地表过程精细模拟；（4）城市交通、水文等与城市地表有关的各行业中的应用。

2 城市陆面模式

CoLM是在生物—大气传输模式 (Dickinson et al., 1993)、中国科学院大气物理研究所1994年模式（Dai and Zeng, 1997），公用陆面模式（Bonan et al., 2002）等模式的基础上发展起来的。本文在CoLM基础上构建BULSM。

2.1 城市地表分类

下垫面分类为陆面模式建立的基础，CoLM仍采用USGS（US Geological Survey）1993年的分类结果，分辨率为30 s，而且对于城市只有一个分类类型，已经远远不能满足研究城市气象的需求。因此，本文采用2009年陆地卫星TM 30 m分辨率遥感影像反演结果代替USGS地表分类结果。城市地区地表分类分为7类，即：高密度城区、低密度城区、水体、裸地、草地、农田和森林。北京城区TM地表分类结果如图 1所示。

图 1

Fig. 1

图 1 TM反演北京城区地表分类（高密度城区、低密度城区、农田、草地、森林、裸地、水体） Fig. 1 Land cover classifications in Beijing retrieved by TM (Thematic Mapper) image: HD (High Density Urban), LD (Low Density Urban), Cropland, Grassland, Forest, Barren, Water

TM分辨率为30m，研究区域包含了很多格点，这就导致了运算时间过长的问题。基于此，本文对TM地表分类结果进行了升尺度处理，将分辨率升尺度为300 m，升尺度后每个网格点将包含100个30 m分辨率网格点，最多将包括7种地表分类。升尺度处理后网格点输出结果为：

上述处理方法可以加快模式运行速度，并且最大限度利用精细化地表分类数据。升尺度后北京城区各网格点所占面积最大的地表分类结果（网格数为150×150）与USGS地表分类结果（网格数为45×45）如图 2所示，范围为（39.7362°N～40.1412°N，116.1351°E～116.6613°E），基本涵盖了北京市城区范围。升尺度后各网格点面积最大地表分类所占网格点面积权重如图 3所示，各网格点城区（包括低密度与高密度城区）面积所占百分比如图 4所示。

图 2

Fig. 2

图 2 北京城区地表分类：（a）TM图像升尺度分类结果；（b）USGS分类结果 Fig. 2 Dominant land cover types in Beijing from (a) TM image after upscaling and (b) USGS

图 3

Fig. 3

图 3 各网格点面积最大地表分类所占网格点面积权重 Fig. 3 Area weight of the dominant land cover type

图 4

Fig. 4

图 4 各网格点城区面积所占权重 Fig. 4 Area weight of the urban category

由图 2可以看出，USGS分类分辨率很低，城区面积较小，其他地表覆盖类型主要为农田。由图 2、图 3和图 4可以看出，TM地表分类分辨率很 高，中心区域地表分类较单一，城区所占比例很大；其他地区各网格点地表分类较多元化。高密度城区分类中城区（包括低密度与高密度城区）面积所占百分比较高，普遍超过80%；低密度城区分类中城区（包括低密度与高密度城区）面积所占百分比变化较大，在50%到80%之间。中心城区及西南部林区网格点面积最大地表分类所占网格点面积权重较大，表明地表分类比较均一；其它区域网格点面积最大地表分类所占网格点面积权重较小，表明这些网格点包含两种或多种地表分类。

2.2 模式物理过程 2.2.1 能量平衡方程

CoLM中地表能量平衡方程分为两部分：植被能量平衡与地表能量平衡，本文对其中的地表能量平衡方程加以改进，加入人为热的影响。

CoLM地表能量平衡方程可表示如下：

考虑人为热因素的影响，表层入射能量通量可以改写为：

2.2.2 水分平衡方程

CoLM表层水分传输方程可表示如下：

城市下垫面可分透水面和不透水面两种，对于透水面，公式（6）保持不变，对于不透水面，表层体积含水量为零，因此水分平衡方程可简化为：

对于不透水面，表层入渗量为零，即：

2.3 模式物理量参数化 2.3.1 反照率

CoLM反照率包括三部分：积雪反照率、植被反照率和裸土反照率。其中裸土反照率由土壤湿度和颜色决定。对于不透水面，裸土反照率由土壤颜色这一个因素决定，然后查找表求得。由于城市不透水面普遍颜色较深，因此将土壤颜色分级设为8，即为最深；反照率可设为0.15（江晓燕等，2007；王开存等，2008）。

2.3.2 土壤相关参数

CoLM中与土壤有关参数主要包括与土壤质地、颜色、热导率、热容、孔隙度等。对于不透水面，土壤孔隙度为零，热导率和热容可以采用沥青混凝土材料数据。

CoLM土壤质地采用USGS数据，分辨率为 30 s。对于透水面，土壤质地数据改用中国土壤特征数据集数据（Shangguan et al., 2011）。图 5和图 6分别为CoLM以及BULSM土壤质地中砂粒与粘粒含量百分比。

图 5

Fig. 5

图 5 USGS土壤质地：（a）砂粒含量百分比；（b）粘粒含量百分比 Fig. 5 Soil texture in USGS: (a) Sand percent; (b) clay percent

图 6

Fig. 6

图 6 同图 5，但为城市陆面模式 Fig. 6 Same as Fig. 5, but for soil texture in bulk urbanized land surface model

2.3.3 地表粗糙度与零平面位移

地表粗糙度与零平面位移对于地气交换通量的计算至关重要，CoLM将城市下垫面地表粗糙度统一设为0.1 m，显然不能满足需要。目前对于地表粗糙度仍没有较为完美的解决方案，尤其是在缺乏城市建筑高度数据的情况下。本文采用Grimmond and Oke（1999）的方法确定地表粗糙度和零平面位移，此方法最为简便易用：

2.3.4 大气廓线

本文采用Zhou et al.（2005）的方法对城市大气廓线进行参数化：

2.3.5 人为热

人为热是地表能量平衡中的重要因子（蒋维楣和陈燕，2007；何晓凤等，2007），对城市地表温度的计算至关重要。城市人为热的参数化采用Sailor and Lu（2004）的方法，人为热与人口密 度有关，共包括交通、热电损耗和新陈代谢三部分。北京地区人为热日变化如图 7所示，数据来 自UCM模式（Miao et al., 2009; 2011），时间为北京时间。

图 7

Fig. 7

图 7 北京城区人为热日变化图（单位：W m−2） Fig. 7 Diurnal variation of the anthropogenic heat in Beijing (Unit: W m−2)

2.3.6 不透水面蒸发及地表积水深度

由于城市中存在着大量的不透水面，不透水面蒸发机理与透水面不同，因此有必要对不透水面蒸发进行重新参数化，城市水循环（Mitchell et al., 2001）模式中不透水面蒸发计算方法如下：

由于即使降水小于排水时地表积水深度仍可能大于零，因此式（14）修正如下：

本部分分别采用CoLM和BULSM对北京城区地表参数进行模拟。模拟区域为39.7362°N～40.1412°N，116.1351°E～116.6613°E，模式时间分辨率为1小时。CoLM空间分辨率为30s（受USGS分辨率限制），网格点数45×45；BULSM空间分辨率为300 m，网格点数为150×150。模式模拟时间为2009年5月13日00:00至5月17日11:00 （北京时间，下同）。模式采用北京市气象局快速更新循环预报系统（BJ-RUC）（陈敏等，2010；2011）预报的气象强迫场驱动。

图 8、9、10分别为5月17日11:00北京城区地表温度、潜热通量以及表层土壤相对湿度模拟结果。可以看出，BULSM由于分辨率高，能够显示出北京城区各参数的空间精细化分布情况；模拟结果能够反映出地表分类对模拟结果的影响。城区地表温度较高，潜热通量很低，表层土壤湿度几乎为零；植被覆盖较多区域正好相反，地表温度较低，潜热通量较高，表层土壤湿度较高。CoLM空间分辨率较低，地表分类不够精细，因此模拟结果不能反映城市地区各参数的空间精细化分布。由图 5、9、10可以看出，非城区表层土壤湿度和潜热通量结果明显受到土壤质地的影响。

图 8

Fig. 8

图 8 北京城区地表温度模拟结果：（a）城市陆面模式；（b）CoLM。单位：K Fig. 8 Ground surface temperature in urban areas of Beijing simulated with (a) Bulk Urbanized Land Surface Model and (b) CoLM. Unit: K

图 9

Fig. 9

图 9 同图 8，但为潜热通量模拟结果。单位：W m−2 Fig. 9 Same as Fig. 8, but for evapotranspiration simulation result. Unit: W m−2

图 10

Fig. 10

图 10 同图 8，但为表层土壤相对湿度模拟结果 Fig. 10 Same as Fig. 8, but for surface layer volumetric soil moisture simulation result

3.2 地表温度检验

为了定量检验BULSM对地表温度模拟结果，我们把BULSM、CoLM以及u-HRLDAS的模拟结果与自动气象站观测结果进行比较。气温、气压、风速、风向、降水、空气湿度等强迫变量采用自动站观测结果；向下长波与短波辐射采用全球陆面同化系统（GLDAS）再分析资料。GLDAS是由美国航空航天局（NASA）戈达德空间飞行中心（GSFC）和美国海洋和大气局（NOAA）国家环境预报中心（NCEP）联合发展的全球陆面数据同化系统，它融合了来自地面和卫星的观测数据来提供最优化近实时的地表状态变量（Rodell et al., 2004；陈莹莹等，2009）。

u-HRLDAS已经进行了改进与本地化（Meng et al., 2012），包括引入了中国土壤特征数据集数据、GLDAS气象强迫数据、自动站与卫星（CMORPH/FY-2E）融合降水数据、中分辨率成像光谱仪（MODIS）地表分类数据和风云卫星积雪覆盖率数据等。u-HRLDAS 起转过程（spin-up）起始时间为2008年1月1日，城市陆面模式运行初始时间为北京时间2009年5月1日00:00，模拟结束时间为5月21日上午0点，结果比较时间为北京时间5月11日0点到5月21日00:00。也就是说，城市陆面模式起转过程仅为10d，而u-HRLDAS起转 过程为16个多月。

选择的观测站点及其基本信息如表 1所示，所 选择站点均为常规站点，覆盖类型为低密度城区，选区水泥地面温度观测结果对模式进行检验。

表 1(Table 1)

表 1 自动气象站基本信息 Table 1 Basic information of the automatic weather stations 站点名称 纬度（°N） 经度（°E） 高度（m） 朝阳 39.95 116.50 36.5 石景山 39.94 116.20 67.1 观象台 39.80 116.47 32.5 海淀 39.99 116.29 46.9 顺义 40.13 116.62 29.6 丰台 39.87 116.25 57.0

表 1 自动气象站基本信息 Table 1 Basic information of the automatic weather stations

由图 11和表 2可以看出，相对于CoLM、BULSM和u-HRLDAS对于地表温度（尤其是白天温度较高时的地表温度）的模拟精度均有了明显提高。主要原因是人为热的引入以及不透水面的参数化。相对于u-HRLDAS，BULSM能够更好的模拟白天温度较高时的地表温度，主要是由于地表分类的精细化以及不透水面蒸发的改进。u-HRLDAS对于商业区、高密度城区和低密度城区的城市不透水面覆盖率统一设定为常数，即0.95、0.9和0.5，显然会带来一定的误差。BULSM对于夜间温度模拟有些偏低，应该是由于人为热的参数化不够精细的缘故。由表 2可以看出，除了朝阳站BULSM模拟误差略高于u-HRLDAS以外，其余5个站点BULSM模拟效果均明显好于u-HRLDAS，这进一步证明了BULSM是简单有效的。

图 11

Fig. 11

图 11 BULSM、u-HRLDAS、CoLM模拟的地表温度与观测值的比较：（a）朝阳站；（b）丰台站；（c）观象台站；（d）海淀站；（e）石景山站；（f）顺义站 Fig. 11 Comparison between the simulated ground surface temperature by Bulk Urbanized Land Surface Model, u-HRLDAS, and CoLM with the observations at stations (a) Chaoyang (b) Fengtai (c) Guanxiangtai (d) Haidian (e) Shijingshan (f) Shunyi

表 2(Table 2)

表 2 BULSM、u-HRLDAS、CoLM地表温度模拟结果与观测值之间的平均误差、均方根误差和相关系数 Table 2 Mean errors (MEs), root mean square errors (RMSEs), and correlation coefficients (R) between the simulated ground surface temperature by Bulk Urbanized Land Surface Model, u-HRLDAS, CoLM and the observations 平均误差（K） 均方根误差（K） 相关系数 朝阳站BULSM 朝阳站u-HRLDAS 朝阳站CoLM 丰台站BULSM 丰台站u-HRLDAS 丰台站CoLM 观象台站BULSM 观象台站u-HRLDAS 观象台站CoLM 海淀站BULSM 海淀站u-HRLDAS 海淀站CoLM 石景山站BULSM 石景山站u-HRLDAS 石景山站CoLM 顺义站BULSM 顺义站u-HRLDAS 顺义站CoLM 3.87 3.57 5.50 3.03 4.58 6.09 3.54 3.72 5.41 3.49 4.39 5.51 3.40 4.83 6.38 3.26 3.19 5.87 4.72 4.53 7.21 3.72 6.01 8.59 4.21 4.65 7.44 4.33 5.56 7.29 4.25 6.29 8.78 3.85 4.15 8.30 0.965 0.962 0.943 0.974 0.951 0.942 0.973 0.949 0.916 0.969 0.953 0.948 0.970 0.961 0.949 0.971 0.968 0.935

表 2 BULSM、u-HRLDAS、CoLM地表温度模拟结果与观测值之间的平均误差、均方根误差和相关系数 Table 2 Mean errors (MEs), root mean square errors (RMSEs), and correlation coefficients (R) between the simulated ground surface temperature by Bulk Urbanized Land Surface Model, u-HRLDAS, CoLM and the observations

4 结论和讨论

本文在在通用陆面模式基础上，发展了适用于城市地区的整体城市陆面模式（BULSM）。验证结果表明了BULSM能够改进城市地区地表参数及通量的模拟。主要结论如下：

（1）针对UCM的各种局限性，本文首次提出BULSM的概念。BULSM在先进的CoLM基础上建立，耦合了城市水文模式，致力于提高城市潜热通量、有降水（包括降雨和降雪）时地表温度以及城市积雪模拟能力。模式较为简单，可以通过数据同化进一步提高模拟能力，并且可以和中尺度气象模式耦合用于天气预报。

（2）精细地表分类数据以及升尺度处理算法的运用使得BULSM对北京城区模拟结果能够显示出北京城区各参数的空间精细化分布情况；模拟结果能够反映出地表分类的影响。

（3）BULSM能够很好的模拟地表温度尤其是城市下垫面地表温度，和CoLM相比，模拟结果得到了很大提高。

（4）和u-HRLDAS相比，BULSM比较简单，地表分类精细，模式中大部分参数都利用了遥感观测数据，不确定性物理参数引入较少，不需要大量、长时间的观测、遥感及再分析数据作为支撑，并且起转过程时间很短。

（5）和u-HRLDAS相比，BULSM能够更好的模拟白天温度较高时的地表温度；并且对于大部分站点而言，BULSM对于整个模拟时间段地表温度模拟效果明显好于u-HRLDAS。

下一步将对城市陆面模式进行进一步发展和研究：采用MODIS反演地表反照率；考虑采用遥感与地理信息系统相结合的方法反演城市建筑物平均高度；采用遥感反演灯光亮度对人为热进行参数化；对模式地表蒸散、有降水时地表温度等模拟能力进行进一步检验；和u-HRLDAS进行进一步的对比；与数值预报模式进行耦合等。

致谢 感谢卢丽萍博士的TM影像地表分类工作。